数据分析工程师(数学类中的数学与应用数学信息与计算科学统计学)

数据分析工程师，数学类中的数学与应用数学信息与计算科学统计学？

我们先来看看三个专业的基本情况

一、数学与应用数学

数学与应用数学是一个学科专业，该专业培养掌握数学科学的基本理论与基本方法，具备运用数学知识、使用计算机解决实际问题的能力，受到科学研究的初步训练。

能在科技、教育和经济部门从事研究、教学工作或在生产经营及管理部门从事实际应用、开发研究和管理工作的高级专门人才。

培养目标：数学与应用数学是一个学科专业，该专业培养掌握数学科学的基本理论与基本方法，具备运用数学知识、使用计算机解决实际问题的能力，受到科学研究的初步训练的高级专门人才。

基础课程：

复变函数论、实变函数与泛函分析、抽象代数（近世代数）、常微分方程、微分几何、数学计算方法、数学模型、数学实验、拓扑学、数学历史、物理学、计算机基础知识、离散数学、计算机组成原理、计算机操作系统、计算机网络、算法与数据结构、数据库原理与应用、C语言、C++语言、Java语言、最优化方法及程序设计、运筹学。

据最新统计，全国需求毕业生人数最多的十大专业中，数学与应用数学专业需求量位居前列。而美国最火的职业精算师，也多是出身数学专业。今年蚌埠学院和合肥师范学院也都扩大该专业的招生数量，显而易见，市场对数学专业人才的需求将会越来越多，就业前景非常广阔！另外数学专业与其他相关专业的联系将会更加紧密，专业知识也将会得到更广泛的应用。下面就来带领大家看看这个专业的毕业生将来所能从事的主要职业领域：

数学老师

当前教师行业发展朝着两极分布，一方面，西部地区的教师人数、质量以及教学设施都显得捉襟见肘，而另一方面，在中东部发达区域，教室行业则显得竞争异常激烈，但是就当前的经济形势看，随着国家对教育的大力扶持，教师行业的稳定性让越来越多的毕业生对其青睐有加，另外教育事业日益蓬勃，教师的需求量也大大增加，这就为毕业生就业提供了大量的机会，总之，教师行业的就业是机遇与挑战同在的!

数据分析师：

数据是眼下时髦的热词，同时也催生出了很多与数据处理相关的职业，数据相关人才出现了供不应求的状况，数据分析师眼下被媒体称为“未来最具发展潜力的职业之一”。根据美国劳工部预测，未来两年数据分析师的需求量将增长20%。就算你不是数据分析师，但数据分析技能也是未来必不可少的工作技能之一。在数据分析行业发展成熟的国家，90%的市场决策和经营决策都是通过数据分析研究确定的。

保险精算师：

作为一名精算师，不仅需要有扎实的数学基础，还要对风险具有敏锐的洞察力和处理各种可控风险的能力。由普通的精算人员最终成长为精算师，可能没有那么容易，但是回报总是与付出成正比的。目前精算师在国外的平均年薪达10万美元，国内月薪也在1万元以上。4年以后，随着人们对于保险认识的加强，保险行业的兴起必然会需要更多的精算师。

虽然数学专业就业前景好而成为同学们报考的热门，但小编认为，学数学也不能一拥而上，必须在大学期间打好基础，才能更好地发展。虽然数学专业应用面广，就业和深造前景良好，但数学专业的课业压力其实并不轻松，当然如果学好这门专业课，它一定能让你成为一个聪明的人！

就业方向

数学与应用数学专业主要到科技、教育和经济部门从事研究、教学工作或在生产经营及管理部门从事实际应用、开发研究和管理工作。能胜任高等院校、科研院所、企业和其他单位的教学、科研技术和技术管理工作。

二、信息与计算科学专业

信息与计算科学专业，原名”计算数学”，1987年更名为“计算数学及其应用软件”，1998年教育部将其更名为“信息与计算科学”，是以信息领域为背景，数学与信息，计算机管理相结合的数学类专业。该专业培养的学生具有良好的数学基础，能熟练地使用计算机，初步具备在信息与计算机科学领域的某个方向上从事科学研究，解决实际问题，设计开发有关计算机软件的能力。

专业方向

信息与计算科学专业为理科专业，包括信息科学与计算数学两个方面。方向一是以计算机科学方面为主，数学方面为辅；方向二是以数学方面为主，计算机科学方面为辅。

主要课程

数学分析、高等代数、解析几何、概率统计、数学模型、离散数学、模糊数学、实变函数、复变函数、微分方程、物理学、信息处理、信息编码与信息安全、现代密码学教程、计算智能、计算机科学基础、数值计算方法、数据挖掘、最优化理论、运筹学、计算机组成原理、计算机网络、计算机图形学、c/c++语言、java语言、汇编语言、算法与数据结构、数据库应用技术、软件系统、操作系统等。

培养目标

本专业的课程体系和知识结构体现了在扎实的数学基础之上，合理架构信息科学与计算机科学的专业基础理论。通过信息论、科学计算、运筹学等方面的基础知识教育和建立数学模型、数学实践课、专业实习各环节的训练，着重培养学生解决科学计算、软件开发和设计、信息处理与编码等实际问题的能力，培养能胜任信息处理、科学与工程计算部门工作的高级专门人才。

核心课程

微分方程数值解法、数值逼近与计算几何（与计算机图形学不同，后者是用计算机实现图形识别的技术，而本课程是用计算机逼近表达一些计算机难以用二进制描述的函数（如lnX）的专门技术）、数值代数（主要研究如何用计算机以最快的算法计算高阶矩阵）。这三门课程中没学过任何一门都不能算是合格的毕业生。事实上，这三门课程是联系数学与计算机、把数学应用到计算机、用计算机解决数学问题的最基础课程，没有这三门课程，谈何信息与计算。可以说，有了这三门技术，计算机才能表达、计算各种函数，才能不断提高软硬件的性能，才能用计算机计算很多对人来说根本无法解答的方程。

就业前景

主要到科技、教育和经济部门从事研究、教学与计算机教学和应用开发和管理工作。

信息化和大数据已经成为了我们时代的标签,相应的专业和学科也越来越受到大家的关注和重视,尤其是信息与计算科学专业成为了目前的热门专业.现在是网络和计算机迅速发展的一个新时代,“信计”专业的开设和对专业人才的培养正是满足了人才市场的需求。

就业方向

毕业生将来可以从事教学、科学研究、应用开发等工作，要是能够熟练运用专业知识的话，那么就有可能在这些领域成为一个高级专门人才。

三、统计学专业

统计学专业简介

统计学是数学的一个分支，主要通过利用数学方法、概率论来建立数学模型，研究如何测定、收集、整理反映客观现象总体数量的数据，并对数据进行量化的分析和总结，进而进行推算和预测，为相关决策提供依据和参考。

统计学专业分为三个大的专业方向：数据统计方向、经济统计方向和生物统计方向。数理统计方向和经济统计方向的差距并还是很大，数理统计主要是对统计学的基本理论和方法进行研究；经济统计则是提供科学地调查、搜集经济信息，以及描述、分析经济数据并对社会经济运行过程进行预测、监督的一门科学。而应用统计学主要是调查、收集观察对象的数据信息，并通过描述统计等技术，分析观察对象的特征，发现事物的规律，进行预测、监督，以实现社会经济良性运行。

通过统计学专业的学习，你可以掌握各种数据分析技术，了解统计学的前沿理论，还可以掌握科学调查、科学研究的思路，也将学到统计分析软件的使用技术。学习统计学要有一定的数学基础，并且还必须熟悉计算机操作。在实际工作中，统计工作需要借助各种统计分析软件完成。

统计学专业要求

本专业学生主要学习统计学的基本理论和方法，打好数学基础，具有较好的科学素养，受到理论研究、应用技能和使用计算机的基本训练，具有数据处理和统计分析的基本能力。

统计学专业所需能力

具有扎实的数学基础，受到比较严格的科学思维训练。

统计学专业课程

数学分析、几何代数、数学实验，常微分方程，复变函数，实变与泛函、概率论、数理统计，抽样调查，随机过程，多元统计，计算机应用基础，程序设计语言，数据分析及统计软件、回归分析，可靠性数学，实验设计与质量控制，计量经济学，经济预测与决策，金融数学，证券投资的统计分析，数值分析，数据结构与算法，数据库管理系统，计算机网络系统，系统分析与软件设计等。

就业前景

经济统计学也是比较热门的专业之一，他主要是对于经济金融活动进行数量方面的调查整理分析，目的是认识经济活动客观规律，对经济活动实行科学建议、管理与监督。

就业方向

统计学专业毕业生的主要就业流向有三大部分：政府部门（统计局等），银行、保险公司、证券公司等金融部门，市场调查公司、咨询公司、各公司的市场研究部门，工业企业的质量检测部门等企业事业单位。

通过以上分析我们得出结论：信息与计算科学专业的主要课程是数学，而统计学需要较好的数学基础，所以，本科学信息与计算科学，考统计学研是不错的选择！

三个本科专业2016—2018年的就业率：

数学与应用数学：89.4%、88.9%、90.1%。

信息与计算科学：91.3%、91.8%、92.1%。

统计学：93.2%、93.3%、94.1%。

从上面三个专业的基本情况来看，除了数学与应用数学专业外，信息与计算科学、统计学也需要学习很多数学知识，数学是基础。从就业率角度，统计学最高，数学与应用数学最低。

虽然数学与应用数学本科毕业就业率较低，但是读研后截然不同。

数学专业是相当一部分“高大上”专业的基础，比如最热门的两个行业，财经大类的金融和理工科的IT，这两个学科最根本的基础都是数学。俗话说，学好数理化，走遍天下都不怕，不是没有道理的。

本科阶段学数学，研究生选别的专业就读，这几种组合较好！

1、数学与应用数学（本科）+数学与应用数学（研究生），可考教师、事业单位，也可应聘人工智能、金融行业。

2、数学与应用数学（本科）+计算机科学与技术（研究生），可考教师、公务员，也可应聘人工智能、金融及其他多个行业。

3、数学与应用数学（本科）+软件工程（研究生），可考教师、公务员，也可应聘人工智能、金融、软件及其他多个行业。

4、数学与应用数学（本科）+金融学（研究生），可考教师、公务员，也可应聘人工智能、金融、大数据多个行业。

5、数学与应用数学（本科）+金融工程（研究生），可考教师、公务员，也可应聘人工智能、金融等多个行业。

6、数学与应用数学（本科）+统计学（研究生），可考教师、公务员，也可应聘人工智能、金融、大数据等多个行业。

7、数学与应用数学（本科）+经济学（研究生），可考公务员、事业单位，也可应聘金融、国企等。

8、数学与应用数学（本科）+大数据（研究生），可考教师、公务员，也可应聘大数据、人工智能、金融等多个行业。

9、数学与应用数学（本科）+人工智能（研究生），可考教师、公务员，也可应聘大数据、人工智能、金融等多个行业。

随着人工智能技术的发展及应用，数学类的专业前景会越来越好！

总之，如果想本科毕业就业的选择统计学专业；如果想本科毕业读研的选择数学与应用数学专业。

数据分析和数据挖掘有什么区别？

你好，一个科技爱好者来回答你的提问，关于数据分析和数据挖掘有什么区别？我从各自的概念定义和主要区别两个方面做答如下：

首先，数据分析和数据挖掘的概念

一、数据分析

是指用适当的统计分析方法对收集来的大量数据进行分析，根据分析目的，用适当的统计分析方法及工具，提取有用的信息和形成结论。数据分析是对既有数据的分析，可以帮助人们做出判断，以便采取适当行动。

二、数据挖掘

一般指从大量的数据中通过算法搜索隐藏于其中的信息的过程。数据挖掘通常与计算机科学有关，并通过统计，在线分析处理，情报检索，机器学习和模式识别等诸多方法来实现上述目标。主要着重于发掘出未知的，且有价值的信息和知识的过程。

然后，两者的主要区别

一、作用不同

数据分析的目标明确，先做出假设，然后通过数据分析来验证假设是否正确，从而得出结论。简单的讲，就是拿来一堆数据，你知道自己要干嘛，然后奔着目标去，借助一些工具，实现你的目标。

数据挖掘则不同，数据挖掘的重点在于寻找未知的模式和规律，比如我们听说的沃尔玛大数据挖掘出，啤酒和尿不湿的摆放规律问题，事先我们不知道这个结果，是通过深度挖掘数据背后的关联得到的有效信息。

二、两者输出结果不同

数据分析一般得到一个指标统计量结果，如总和和平均值等，这些指标通过与业务的结合进行解读，得出一些结论，发挥出数据的价值和作用，比如我们学生的卷面分析，从众多学生的得分情况统计分析，得到不同类型的题目的解答情况，从而得出学生对于不同知识点的掌握程度。

数据挖掘则注重输出模型或者规则，并可得到模型得分或标签，得分如流失概率值、相似度和预测值等，标签如高中低价值用户、流失与非流失和信用优良等。

三、价值不同

数据分析以输入的数据为基础，通过先验的约束，对数据进行处理，但是不以结论如何为调整。例如图像识别就属于数据分析的范畴，通过一套先验的方法进行处理，重点在于数据的有效性、真实性和先验约束的正确性。

数据挖掘则不同，数据挖掘是对信息价值化的获取，不考虑数据本身，只考虑数据是否有价值。与数据分析不同的是，需要调整不同的先验条件，先验条件不局限于数据本身，而是你期望得到的一个有价值的内容。

最后，做个总结

数据分析和数据挖掘，都跟数据打交道，知识技能有很多交叉点，都需要懂的统计学，数据分析的常用方法，对数据敏感度比较好。在职业上没有明显的界限，很多时候数据分析师也在做数据挖掘方面的工作，数据挖掘工程师也会做数据分析的工作。所以，作为概念我们可以从理论和文字上区别两者，但真正从业以后，他们之间的绝对差别会变得模糊一些。

以上是个人的观点，希望对你有帮助。

数据分析好找工作吗？

数据分析好找工作。数据分析在职场中的作用越来越重要了，它不仅是一种职业，更是一种泛用技能。

数据分析在生活中的应用非常广：

找工作改简历时，一定有人告诉你，简历上要多放数据，用数据说话；

新媒体运营人员需要学习数据分析分析各项数值，才有机会10W+ ；

产品经理需要通过数据分析，从数字背后找到用户的核心需求；

项目决策时，同样需要数据来支撑结论，说服对方，避免拍脑子决策；

学生需要学习数据分析，社团活动中的项目复盘、实习时的周报总结……在数据的变动中发现自己的成长。

现在就连校招或实习中，也越来越强调数据分析能力。

以腾讯19年的人力资源校招岗为例：

可以说，数据分析是职场人的基本功。想要更好地适应职场，数据分析能力格外重要。

所以，不要担心数据分析能不能找到工作了

学习软件测试就业前景如何？

在分析软件测试的前景之前，先来看一下软件测试行业的现状：

手工测试人员逐渐被淘汰，企业对中高级软件测试工程师的需求越来越大；测试人员越来越受重视，比重逐渐增加；招聘起点越来越高，测开工程师更受欢迎；测开工程师薪资已超过部分开发人员；

了解完现状之后，我们来看看软件测试行业的发展前景如何。

行业前景

软件测试的发展前景很大程度上决定了就业的形势。随着互联网的快速发展，一款软件的开发需要不同岗位的人员相互配合才能够完成，每个人写程序的思维和方式都不同，在这样的形势下软件运行就会容易出现错误，软件测试工程师的作用就显得非常重要。

目前大学里还没有开设专门的课程来学习软件测试，但是企业对于软件测试人才的需求量又很大，由于产品功能的日渐复杂，手工测试将逐渐被淘汰，企业的招聘方向开始向测试开发转移，懂代码的测试开发工程师将是企业争相竞争的对象。由于技能的差异，也直接导致手工测试工程师和软件测试开发工程师的薪资呈现两极分化的现象，后者是前者薪资的2—3倍，这都是在未来很长一段时间内难以改变的现象。

薪资待遇

只要是IT行业，都与“高薪”挂钩，软件测试岗位也毋庸置疑，在IT行业里，月薪过万者比比皆是，年入百万者也不在少数。随着互联网行业发展的前景大好，近些年来，软件行业工资水平更是连年上涨，刚入行就能拿到七八千左右的薪资，并且随着工作年限的增长，薪资也会越来越高。

薪资是一个行业的风向标，代表着当下某个行业的发展状况，薪资高的行业一定是前景较好且发展不错的，目前来看，软件测试仍旧是非常值得选择的行业。

岗位需求

软件测试在未来的5~10年内发展会很快，人才缺口很大。因为企业要靠软件产品的质量去占领市场，不再像以前很多企业没有专门负责测试的人员或是用开发人员替代测试人员的那样，没有研发和产品人员这个产品不可能做出来，但若是没有测试人员，产品做出来也没有质量保证，走向灭亡是早晚的事。所以说，测试人员可谓是一个软件企业生存的命脉，能够保证企业持续稳定的发展。

各大招聘网站上对于测试人员的招聘需求一直都有，所以企业对于拥有技术到位的测试工程师的需求也一直都在。

（图片来源于第三方招聘需求）

软件测试开发作为一个新兴行业，近年来需求不断增长，抓住这个机遇，就能在软件测试行业扶摇直上九万里。

零基础如何入门数据分析？

让我来分享一个很不快速（需耗时一年），但包你从零基础学到昏厥的学习教程吧：统计、SQL、R、Python、Tableau、Excel、Forecasting & Machine Learning

1. 统计

统计需要掌握的姿势：

Descriptive StatisticsProbability Concepts and Probability DistributionsSampling Distributions and the Central Limit TheoremConfidence IntervalsHypothesis TestingAnalysis of VarianceChi Square and Nonparametric TestsSimple and Multiple Regression

想躲过统计？？？

入门课收好，Coursera上阿姆斯特丹大学的Basic Statistics，卡通配图教学，和萌萌哒的你最配！！

University of Amsterdam：Basic Statistics | Coursera （旁听免费）

喏，还有一本简洁易懂的step by step英文教材，也是我们课上用的教材~

Basic Business Statistics by Mark L.Berenson & Others2. SQL

常用语句来来回回就那么几个，但是要熟，要熟，要熟！

简历上有SQL技能，很重要！！！很重要！！！

常用语句总结：SQL Quick Reference From W3Schools

再送你一门超好，超好，超好的MySQL课！Coursera！杜克大学！我太喜欢教课的那个温柔美丽的大姐姐了~

Managing Big Data with MySQL | Coursera （旁听免费）

我学R上的课是Coursera上Johns Hopkins University的经典R课程和在Data Application Lab实习的时候上的商业分析师培训课。Coursera的那门课我上得不太走心，默默吐槽一下课程莫名散发着浓浓的时代感，老师有点面无表情，比较打击我的学习激情...... 好吧，我知道我作......

后来实习的时候上公司的培训课，教R的是个讲话干脆利落的小姐姐，才让我重新喜欢上R......

R Programming | Coursera （旁听免费）商业分析师 - Data Application Lab

作为一名主观上比较站Python的小粉丝，我目前学过的R就这么多啦！！大体了解了R的语言思维，碰到不会的问题再Google找代码就差不多了~

另外，我在Udemy上找到一门R的课，看课程设置觉得还是挺不错的，想学R的可以试试~ 关于Udemy上课程的价格补充一句，原价是吓人的，常年打折，但是打折力度经常变来变去的，最便宜的时候一般是10-20块的价格可以买到好课...... BTW，下面这门课目前15刀。

R Programming A-Z™: R For Data Science With Real Exercises!4. Python

Python 是一门可以让人浑然忘我的语言......

这辈子学过韩语、日语、英语，和一丢丢R，但Python是我学得最有激情的......

最沉浸的那段时间里，不管几点回家，晚上睡觉前一定要看一点Python爬虫才能安心睡下，晚上做梦也是爬虫代码......

我最开始接触Python的时候上的课是Coursera上University of Michigan的经典系列：Python for Everybody，里面包含五门专项课，除了最后一门Capstone，其他四门都刷过（没写作业）。

这门课非常实在，内容非常赞，上课的是个亲切的老爷爷，学下来有助于你系统了解Python的功能~ 个人感觉 Using Python to Access Web 对于纯小白来说可能有点难度~

提醒一下，如果你搜Python for Everybody，会发现...... 要交钱上啊！！！省钱小tip就是在搜索栏里一门一门搜专项课，进入专项课的页面就可以免费旁听了...... 同理适用于Coursera很多其他的系列课程。

University of Michigan: Python for Everybody | Coursera

密西根大学还出了Python的数据科学进阶课，包含了数据分析、画图和机器学习等内容：

University of Michigan: Applied Data Science with Python | Coursera

另外，我还追过大神

@秦路

的运营大湿兄知乎专栏，从“开始Python的新手教程” 到“用Python分析用户消费行为”，一共六篇文章，超快速入门Python数据分析。

Udemy上也有一门很棒的Python数据分析课，我目前在上，觉得好棒棒~

教numpy、pandas、画图、带着练三个数据小项目，至此觉得内容量已经很良心了，老师竟然还教机器学习！！！20个机器学习视频，用SciKit Learn这个包！还有还有！11个统计视频！还没完还没完！还有几个SQL和Web Scraping的小视频！满满的良心学习大礼包~

Learning Python for Data Analysis and Visualization

想必还有很多盆友们对爬虫充满了兴趣......

学爬虫当然要看崔庆才大神的系列教程啊！！！

文字版教程免费，使用的是Python 2.7版本↓

Python爬虫学习系列教程 | 静觅

视频教程499软妹币，之前有过折扣，印象中270多~

Python3爬虫视频学习教程 | 静觅

如果你只是比较随意，不想玩那么高深，或者你真的和我一样穷，可以看看文字版教程，了解urlib库、Requests库、BeautifulSoup库、Selenium库以及正则表达式后，跟着崔大神的三个免费case练一遍~ 我觉得对于小白来说就差不多了~

Python3爬虫三大案例实战分享

对于数据分析师来说，会爬虫不属于必备技能，那么学爬虫的意义是什么呢？大神

@董伟明

在他接近满分的“爬虫从入门到进阶”的Live简介中说得直戳心坎~

Hello World，醒醒啊！！！你的女神来了！！！

5. Tableau

终于，数据分析界的女神出场了！！！让我们大声喊出她的名字：T! A! B! L! E! A! U!

读作“Tab-low”！！！

我身边很多学Tableau的孩纸们，反应不是酱紫的，

就是酱紫的......

纷纷表示在这个看脸的时代，要好好学习女神软件......

（Source: Best Practices for Designing Efficient Tableau Workbook）

凭借着打娘胎起就异于常人的颜值，Tableau迅速蹿红，逐渐渗透进业界和美国高校。对于在美帝的数据分析师来说，Tableau也是简历上必备的技能之一。

我目前觉得学习Tableau的最好方式，还是去Coursera上上杜克大学的那门课，基本涵盖入门到中高级操作，墙裂打call，墙裂推荐！！！真的好喜欢教课的杜克大姐姐......

Data Visualization and Communication with Tableau | Coursera

另外，Tableau为了推广自家软件，在免费培训方面也是做得很拼......

Tableau Training & Tutorials (中英文都有)Live Training ResourcesWebinars

还有很多很棒的Tableau使用者的case展示~

Gallery

还有Moveover Monday Project，每周一po一个数据集和数据分析展示~

A weekly social data project

至于有些人说，下载都这么贵，土豪才学得起吧...... 只要你乖乖去上Coursera杜克大姐姐的课，会有惊喜......

6. Excel

无论你多喜欢Excel或者多不喜欢Excel...... 作为数据分析师，简历上有Excel技能也是必备......

最重要的当然是会Pivot Tables~

我也是通过DAL的商业分析培训课学的Pivot Tables，如果你只想学Pivot Tables，可以去Udemy上这门↓

Microsoft Excel - Data Analysis with Excel Pivot Tables

当然，还有一个免费的学习神器，YouTube啊~ 哈哈，Pivot Tables一搜一大把~

我真的非常热爱YouTube，基本没有YouTube不到的姿势......

7. Forecasting

预测/时间序列也是我们数据分析僧要掌握的技能，不过学得比较浅显，大概了解几个预测模型的原理和会用软件操作就行了。我们用过的教材是Business Forecasting，有中文版，不过我相信你不会想看的......

商业预测 (豆瓣)

Udemy上依旧有药！介绍Moving Average, Simple Exponential Smoothing, Double Exponential Smoothing / Holts, Winters / HoltWinters等模型以及在R和Tableau中的操作。

Data Science-Forecasting/Time series Using XLMiner,R&Tableau

如果你对Tableau女神是真爱！可以去上Udemy新课，目前评价4.7分，感觉还挺不错的样子，反正是安利到我了~

Forecasting and Time Series Analysis in Tableau8. Data Mining and Machine Learning

想当年，刚接触数据时，我还是个蠢萌的宝宝，在听说“Machine Learning”这个东东的时候，内心是下面那样的......

何方的妖魔鬼怪，尼玛听名字就不明觉厉......

入坑数据分析一年，但才刚接触机器学习一个月（网课加这学期修的数据挖掘专业课），感觉难度明显拔高了一级，但越学越刺激，越学越稀饭~

目前还是个渣渣，不敢瞎说，就大概罗列一下机器学习入门需要掌握的知识点和网上的学习资源吧：

Linear RegressionLogistic RegressionDecision Treesk-Nearest NeighborsNaive Bayes ClassificationDiscriminant AnalysisNeural NetsSupport Vector MachinesCluster AnalysisRandom ForestNatural Language Processing

如果没听说过吴恩达男神的机器学习王牌课程，那你一定是假的数据猿......

Machine Learning | Coursera

说实话，没上男神的Machine Learning前，我还挺不理解为什么这个看上去其貌不扬的大叔，有这么多死忠信众...... 每次大叔的动向更新，都跟地震一样...... 娶的老婆还是跟他智商一样上天高的女神大牛！约翰霍普金斯的CS博士......

如果你和曾经的我一样迷惑，请去Coursera上课...... 顺带必须提一句，男神还是Coursera的联合创始人啊！！！我的前半生没有Coursera，但是后半生必须要跟Coursera紧紧相依......

反正现在的我是痛哭流涕着入吴恩达教了......

之前我在Python部分介绍的Udemy的Python数据分析课中，也涉及一部分机器学习的内容：

Learning Python for Data Analysis and Visualization

内容设置很赞，也很系统的数据科学课程还有：

University of Michigan: Applied Data Science with Python | Coursera

以上就是我总结的一些数据分析经典姿势~ 其实还有Decision Analysis（主要讲概率）和Optimization，大家就自行去YouTube吧，视频很多~

一年前的今天，我没开始刷网课，不会SQL，不会R，不会Python，不会Tableau，不懂Forecasting，更不知道机器学习是什么鬼...... 就修了两门专业课，统计和Optimization（Excel Modeling），仅此而已......

按照这份教程一点点啃完，其实你也可以在家DIY出半个名校学生（如果不提名校的校友资源和networking机会等的话）~

大家可以再参考一下几个美国出名的数据分析项目的课程设置：

University of Texas -Austin | MS in Business AnalyticsUSC | MS in Business AnalyticsUniversity of Chicago | MS in Analytics

最后再来个励志的故事，我最新关注的一个YouTuber，Harrison Kinsley。小哥毕业于Sam Houston State University（懵逼脸），专业是Philosophy and Criminology（茫然脸），毕业后就开始创业，自学python编程，并在网上po免费python教程，还创立了一个python学习网站，YouTube上目前有27万多粉丝。

如果你好奇小哥怎么赚钱存活？小哥说，他一周就能接好几个offer...... 你们没听过的公司一堆一堆的，全宇宙人民都听过的大公司Facebook和Apple的offer他都有...... 另外他还做咨询赚钱，生计完全不愁......

既然你都读到这儿了，看来也是数据的真爱，那就一起学到昏厥吧！